Model Stokastik Curah Hujan Harian dari Beberapa Stasiun Curah Hujan di Way Jepara. Ahmad Zakaria 1) Margaretta Welly 1) Mirnanda Cambodia 2)

Model Stokastik Curah Hujan Harian dari Beberapa Stasiun Curah Hujan di Way Jepara Ahmad Zakaria1) Margaretta Welly1) Mirnanda Cambodia2) Abstract This research was conducted to study and know the characteristics of periodic and stochastic models of daily rainfall in the Way Jepara. This study used secondary data, namely daily rainfall data with a data length of 13 years (1997-2013) from the station Braja Arjosari, Braja Indah, and Jepara Lama. In this study , daily rainfall data is processed into the form of time series before it was transformed into the spectrum of rainfall using the program FFT (Fast Fourier Transform). One year of daily rainfall data periodicity, only used 512 rainfall data are periodic. Spectrum rainfall produce data series stochastic rainfall is assumed as the difference (error) between the actual rainfall data with periodic rainfall models. Based on data from the series of stochastic, the stochastic component is calculated using the approach of autoregressive models. Stochastic model generated using the least squares method (least square method) or autoregressive model of order three. Validation of stochastic series between the measured data and the model is done by calculating the correlation coefficient. From the research, the correlation coefficient obtained an average of three stations of the daily rainfall. Value of the average correlation coefficient ( R ) between the data with a model periodic rainfall amounted to 0.97305, the data series is stochastic and stochastic models of 0.99150, and between data and periodic stochastic models are at 0.99963. From the results, it can be concluded that the periodic stochastic models of rainfall Way Jepara region gives very accurate results and the approach significantly. Keywords : daily rainfall, autoregressive models, stochastic Abstrak Penelitian ini dilakukan untuk mempelajari dan mengetahui karakteristik model periodic dan stokastik curah hujan harian di wilayah Way Jepara. Studi ini menggunakan data sekunder, yakni data curah hujan harian dengan panjang data 13 tahun (1997-2013) dari stasiun Braja Arjosari, Braja Indah, dan Jepara Lama. Dalam penelitian ini, data curah hujan harian diolah kedalam bentuk time series sebelum kemudian diubah menjadi spectrum curah hujan menggunakan program FFT (Fast Fourier Transform). Satu tahun dari keperiodikan data curah hujan harian, hanya digunakan 512 data curah hujan yang bersifat periodik. Spektrum curah hujan menghasilkan data seri stokastik curah hujan yang diasumsikan sebagai selisih (kesalahan) antara data curah hujan sebenarnya dengan model periodik curah hujan. Berdasarkan data seri stokastik, komponen stokastik dihitung menggunakan pendekatan autoregresif model. Model stokastik dihasilkan dengan menggunakan metode kuadrat terkecil (least square methode) atau autoregresif model orde tiga. Validasi seri stokastik antara data terukur dan model dilakukan dengan menghitung koefisien korelasinya. Dari hasil penelitian, didapat nilai koefisien korelasi rata-rata tiga stasiun curah hujan harian tersebut. Nilai koefisien korelasi rata-rata (R) antara data dengan model periodik curah hujan adalah sebesar 0,97305, antara seri data stokastik dan model stokastik adalah sebesar 0,99150, dan antara data dan model periodik stokastik adalah sebesar 0,99963. Dari hasil yang ada, dapat disimpulkan 1)

Staf pengajar pada Jurusan Teknik Sipil Fakultas Teknik Universitas Lampung. Jalan. Prof. Sumantri Brojonegoro 1. Gedong Meneng Bandar lampung. 35145. surel: [email protected] 2) Mahasiswa pada Jurusan Teknik Sipil Fakultas Teknik Universitas Lampung. Jalan. Prof. Sumantri Brojonegoro 1. Gedong Meneng Bandar lampung. 35145.

Jurnal Rekayasa, Vol. 19, No. 2, Agustus 2015

bahwa model periodik stokastik dari curah hujan wilayah Way Jepara memberikan hasil pendekatan yang sangat akurat dan signifikan. Kata kunci : curah hujan harian, autoregresif model, stokastik

1. PENDAHULUAN Indonesia merupakan salah satu negara berkembang yang sebagian besar penduduknya bermatapencahrian sebagai petani. Hal inilah yang menjadikan Indonesia disebut sebagai negara agraris. Selain itu, Indonesia memiliki iklim tropis yang memiliki curah hujan tinggi. Oleh karena itu, untuk mendukung peningkatkan produksi hasil pertanian, pembangunan bangunan air seperti bendungan dan saluran irigasi perlu perlu ditingkatkan dan dikembangkan. Hujan merupakan fenomena alam yang dipengaruhi oleh parameter iklim seperti suhu udara, kelembaban, dan arah angin, yang memiliki sifat periodik dan stokastik. Pengaruh paramater hujan yang bersifat periodik dan stokastik besarnya bervariasi terhadap besarnya curah hujan. Variasi perbandingan besarnya parameter periodik dan stokastik dapat ditentukan menggunakan pemodelan yang membutuhkan data masukan berupa data curah hujan. Model periodik dan stokastik curah hujan dihasilkan dengan menguraikan data curah hujan menjadi komponen-komponen periodik dan stokastik sebagai pembanding antara data curah hujan dengan pemodelan. Untuk membuktikan satu seri pencatatan dari data hujan adalah sangat sulit, sehingga terkadang untuk meramal atau menambah data pencatatan hujan, pembuatan simulasi data hujan sintetik diperlukan. Dengan melihat karakteristik curah hujan daerah Way Jepara yang dihasilkan dari model periodik dan stokastik tersebut, dapat dilakukan simulasi curah hujan harian sintetik yang lebih akurat dari pada simulasi yang hanya mempergu nakan model periodik curah hujan harian Way Jepara. Model ini bisa dipergunakan untuk menghasilkan data hujan buatan yang sangat akurat dan realistis dipergunakan untuk perencanaan irigasi atau proyek sumber daya air dimasa yang akan datang untuk daerah Way Jepara. 2. METODE PENELITIAN 2.1. Curah Hujan 2.1.1 Pengertian Curah Hujan Curah hujan merupakan ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap, dan tidak mengalir. Satuan curah hujan selalu dinyatakan dalam satuan milimeter atau inchi namun untuk di indonesia satuan curah hujan yang digunakan adalah dalam satuan milimeter (mm). Curah hujan dalam 1 (satu) milimeter memiliki arti dalam luasan satu meter persegi pada tempat yang datar tertampung air setinggi satu milimeter atau tertampung air sebanyak satu liter. 2.1.2. Proses Terjadi Hujan Presipitasi adalah turunnya air dari atmosfer ke permukaan bumi yang bisa berupa hujan, hujan salju, kabut, embun, dan hujan es. Di daerah tropis hujan memberikan sumbangan terbesar sehingga seringkali hujanlah yang dianggap presipitasi (Triatmodjo, 2008). Sedangkan menurut Sosrodarsono (1985), presipitasi adalah sebutan umum dari uap yang mengkondensasi dan jatuh ke tanah dalam rangkaian proses siklus hidrologi, biasanya jumlah selalu dinyatakan dengan dalamnya presipitasi (mm). Jika uap air yang jatuh berbentuk cair disebut hujan (rainfall) dan jika berbentuk padat disebut salju (snow).

108

A. Zakaria, Margaretta W, Mirnanda C, Model stokastik curah hujan harian...


2.1.3. Alat Pengukur Curah Hujan Dari beberapa jenis presipitasi, hujan adalah yang paling bisa diukur. Pengukuran dapat dilakukan secara langsung dengan menampung air hujan yang jatuh, namun tidak dapat dilakukan di seluruh wilayah tangkapan air, akan tetapi hanya dapat dilakukan pada titiktitik yang ditetapkan dengan menggunakan alat pengukur hujan (Triatmodjo, 2008). 2.1.4. Jaringan Pengukuran Hujan Untuk memperoleh perkiraan besaran hujan yang baik dalam suatu DAS, maka diperlukan sejumlah stasiun hujan. Semakin banyak jumlah stasiun hujan yang didapat, akan semakin menghasilkan perkiraan terhadap hujan sebenarnya yang terjadi di dalam suatu DAS. Namun, penempatan stasiun dalam jumlah yang sangat banyak akan memerlukan dana yang besar. Mengingat pula bahwa variabilitas hujan yang sangat besar, tidak hanya jumlah stasiun hujan tersebut yang mempunyai peran yang besar. 2.2. Penerapan Statistik dalam Hidrologi Proses hidrologi terdiri dari komponen-komponen deterministik dan stokastik. Dalam hal menentukan apakah proses tersebut dapat diselesaikan secara deterministik atau stokastik, tergantung besarnya masing-masing komponen tersebut. Karena proses non-stasioner secara matematik sangat sulit, sehingga proses-proses hidrologi umumnya diselesaikan secara stasioner. Atas dasar klasifikasi tersebut, maka ilmu hidrologi dapat dibagi menjadi hidrologi parametrik dan hidrologi stokastik (Putra,2011). 2.3. Model Periodik dan Stokastik Secara umum, data seri waktu dapat diuraikan menjadi komponen deterministik, yang mana ini dapat dirumuskan menjadi nilai nilai yang berupa komponen yang merupakan solusi eksak dan komponen yang bersifat stokastik, yang mana nilai ini selalu dipresentasikan sebagai suatu fungsi yang terdiri dari beberapa fungsi data seri waktu. Data seri waktu Xt, dipresentasikan sebagai suatu model yang terdiri dari beberapa fungsi sebagai berikut: (Rizalihadi, 2002; Bhakar, 2006; dan Zakaria, 2008).

X (t ) =T ( t) +P (t ) +S(t )

[1]

Komponen trend menggambarkan perubahan panjang dari pencatatan data hujan yang panjang selama pencatatan data hujan, dan dengan mengabaikan komponen fluktuasi dengan durasi pendek. Didalam penelitian ini, untuk data hujan yang dipergunakan, diperkirakan tidak memiliki trend. Sehingga persamaan ini dapat dipresentasikan sebagai berikut,

X (t ) = P̂ ( t ) +S( t )

[2]

2.3.1. Metode spectral Model periodik dan stokastik curah hujan didefinisikan sebagai model yang masukannya (data hujan harian) dipengaruhi oleh parameter-parameter iklim seperti suhu udara, arah angin, kelembaban udara dan lain-lain. Sehingga data hujan bersifat periodik dan stokastik (Zakaria, 2008). Metode spectral merupakan metode transformasi yang dipresentasikan sebagai Fourier Transform sebagai berikut (Cooley and Tukey, 1965; Zakaria, 2003; Zakaria, 2008):


109


Δt P ( f m )= 2√ π

n=N /2

∑

n=− N/2

p ( tn ) . e

−2. π . i .m.n M

[3]

Dari Persaman (1) dapat dijelaskan, dimana merupakan data hujan dalam seri waktu (time domain) dan merupakan data hujan dalam seri frekuensi (domain frequency) merupakan waktu seri yang menunjukkan jumlah data sampai ke n. merupakan hujan dalam seri frekuensi (domain frequency). 2.3.2. Komponen Periodik Komponen periodik P(t) berkenaan dengan suatu perpindahan yang berosilasi untuk suatu interval tertentu (Kottegoda, 1980). Keberadaan P(t) diidentifikasikan dengan menggunakan metode Transformasi Fourier. Bagian yang berosilasi menunjukkan keberadaan P(t), dengan menggunakan periode P, beberapa periode puncak dapat diestimasi dengan menggunakan analisis Fourier. Frekuensi frekuensi yang didapat dari metode spektral secara jelas menunjukkan adanya variasi yang bersifat periodik. Komponen periodik P(fm) dapat juga ditulis dalam bentuk frekuensi sudut. Selanjutnya dapat diekspresikan sebuah persamaan dalam bentuk Fourier sebagai berikut, (Zakaria, 1998) : r=k

r=k

r= 1

r=1

̂ t )=S o + ∑ A r sin( ωr . t )+ ∑ Br cos (ωr .t ) P(

[4]

2.3.3. Metode Stokastik Komponen stokastik dibentuk oleh nilai yang bersifat random yang tidak dapat dihitung secara tepat. Stokastik model, dalam bentuk model autoregressif dapat ditulis sebagai fungsi matematika sebagai berikut : p

S t =ε+ ∑ bk⋅S(t−k)

[5]

k=1

Persamaan [5] dapat diuraikan menjadi :

S t =ε t +b 1 . St−1 +b 2 . S t−2 + .. .+b p . S t−p

[6]

2.3.4. Metode Kuadrat Terkecil (Least Squares Method) Di dalam metode pendekatan kurvanya, sebagai suatu solusi pendekatan dari komponenkomponen periodik P(t), dan untuk menentukan fungsi P^(t) dari persamaan [6], sebuah prosedur yang dipergunakan untuk mendapatkan model komponen periodik tersebut adalah metode kuadrat terkecil (Least Squares Method). Dari persamaan [6] dapat dihitung jumlah dari kuadrat error antara data dan model periodik (Zakaria, 1998) : t =m

Jumlah Kuadrat Error =

J =∑ ( P (t )−P (t))2

[7]

t =1

2.4. Koefisien Korelasi Koefesien korelasi merupakan ukuran yang dipakai untuk menyatakan seberapa kuat hubungan variabel-variabel (terutama data kuantitatif). Analisa korelasi sukar dipisahkan dari analisa regresi, karena apabila variabel hasil pengamatan ternyata memiliki kaitan yang erat dengan variabel lainnya, maka kita dapat meramalkan nilai variabel pada suatu individu lain berdasarkan nilai variabel-variabelnya. Hal ini dilakukan dengan analisa regresi (Walpole, 1993). Besaran koefisien korelasi didefinisikan sebagai :

110



n

r=

1 n

̄ )(Y J −Ȳ )2) ( ∑ ( X j− X j=1

( dev (x )⋅dev ( y ))

[8]

3. METODE PENELITIAN 3.1. Wilayah Wilayah studi dari penelitian ini adalah beberapa stasiun curah hujan di Wilayah Way Jepara, Kabupaten Lampung Timur, Provinsi Lampung, Indonesia. Stasiun curah hujan yang diteliti ada 3 (tiga) yaitu stasiun Braja Arjosari, stasiun Braja Indah, dan stasiun Jepara Lama. 3.2. Data Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder berupa data curah hujan harian yang didapat dari Balai Besar Wilayah Sungai Mesuji Sekampung (BBWSMS) untuk beberapa stasiun yang bertempat di wilayah Way Jepara. Data hujan yang dipergunakan untuk studi ini dengan periode 13 tahun (1997-2013). 3.3. Pelaksanaan Penelitian. Pada penelitian ini proses pengolahan data menggunakan program libreoffice. Adapun tahapan pelaksanaannya adalah sebagai berikut : pengumpulan data curah hujan yang kemudian menjadi input program, mengurutkan data curah hujan dalam bentuk time series. Proses meng-input data pada penelitian ini menggunakan program FTRANS. Tahapannya adalah sebagai berikut : memasukkan data dalam bentuk time series ke dalam program notepad, Save as dengan nama signals.inp, Memasukkan data signals.inp kedalam directory FTRANS, Menjalankan FTRANS.exe yang akan menghasilkan 3 output, yaitu FOURIER.INP, SPECTRUM.OUT, dan spectrum.eps, Menjalankan FOURIER.exe yang akan menghasilkan SIGNALS.OUT, FOURIER.OUT, dan signals.eps, Menjalankan STOC.exe yang akan menghasilkan signalps.out dan autoreg.out, Membuka program GSview untuk melihat hasil grafik dari file spectrum.eps, Menyajikan hasil pemodelan dalam bentuk grafik menggunakan program libreoffice. Proses pengujian pada penelitian ini yaitu : menganalisis hasil pemodelan dengan data curah hujan yang terukur, mengecek hasil koefisien korelasi yang di dapat apakah memenuhi syarat atau tidak, kemudian menarik kesimpulan dari hasil pemodelan. 4. HASIL DAN PEMBAHASAN 4.1. Data Curah Hujan Data curah hujan yang didapat tidak sepenuhnya lengkap. Ada data-data yang hilang atau tidak tercatat oleh petugas pencatat curah hujan BBWSMS. Untuk data curah hujan yang tidak lengkap tiap bulannya tentunya tidak dapat dipakai dan tidak diikutsertakan dalam mengklasifikasikan data curah hujan tahunan dan dianggap pada tahun itu data curah hujan cacat atau tidak tercatat. 4.2. Analisa Data Curah Hujan Dalam pengolahan data curah hujan harian, panjang data curah hujan yang digunakan yaitu 512 hari. Hal ini dimaksudkan bahwa data tahun pertama ditambah data tahun berikutnya, kemudian dari jumlah data yang digabungkan tersebut hanya 512 hari yang akan dibaca oleh program FTRANS. Data hujan seri waktu tahun 1997-2013 dari masing-masing stasiun hujan di tunjukkan pada gambar berikut :


111

curah hujan (mm)

curah hujan (mm)


300 200 100 0 0

2000 4000 6000

200 150 100 50 0 0

hari

hari

Gambar 1. Curah Hujan Stasiun Braja Arjosari (1997-2013) curah hujan (mm)

2000 4000 6000

Gambar 2. Curah Hujan Stasiun Braja Indah (1997-2013)

200 150 100 50 0 0

2000

4000

6000

hari

Gambar 3. Curah Hujan Stasiun Jepara Lama (1997-2013) Dari ketiga stasiun tersebut, curah hujan maksimum terdapat di stasiun Braja Indah dan nilai rerata curah hujan maksimum yang terjadi tidak terlalu jauh seperti rerata curah hujan maksimum di stasiun Braja Arjosari dan Jepara Lama yaitu 118,1867 mm dan 95,5 mm. 4.2. Spektrum Curah Hujan Harian

Gambar 4. Spektrum Curah Hujan Stasiun Stasiun Braja Arjosari

Gambar 5. Spektrum Curah Hujan Braja Indah

Gambar 6. SpektrumCurah Hujan Stasiun Jepara Lama

112



Jika dilihat dari nilai power spectral density maksimum yang ada, perbedaan yang terjadi tidak terlalu jauh berbeda dan dapat dilihat juga dari bentuk grafik memiliki pola yang sama. Kondisi ini kemungkinan dipengaruhi faktor-faktor periodik yang mempengaruhi antar stasiunnya memiliki kesamaan. Komponen periodik curah hujan bersifat dominan dari setiap tahunnya ditunjukan oleh nilai periodik maksimum curah hujan yang ada. Spektrum di atas ditunjukan dalam periodik curah hujan dalam fungsi waktu dari periode yang dihasilkan menggunakan metode FFT (Fast Fourie Transform). 4.3. Model Periodik Curah Hujan Harian Dari spektrum curah hujan harian yang telah dihasilkan diperoleh model periodik curah hujan harian sintentik yang ditunjukkan oleh gambar berikut :

Gambar 7. Model Periodik Curah Hujan Hujan Stasiun Braja Arjosari

Gambar 8. Model Periodik Curah Stasiun Braja Indah

Gambar 9. Model Periodik Curah Hujan Stasiun Jepara Lama Selisih yang terlihat pada grafik antara data terukur dan terhitung merupakan komponen stokastik dari curah hujan, yang dapat membuktikan bahwa komponen stokastik mem pengaruhi curah hujan yang bersifat tidak menentu. 4.4. Model Stokastik Curah Hujan Harian Data stokastik curah hujan dihasilkan dari selisih antara model periodik dan data terukur. Pembuatan model stokastik ini dicari menggunakan autoregresif model yang akan ditunjukan pada gambar dibawah ini :


113


Gambar 10. Model Stokastik Curah Hujan Hujan Stasiun Braja Arjosari

Gambar 11. Model Stokastik Curah Stasiun Braja Indah

Gambar 12. Model Stokastik Curah Hujan Stasiun Jepara Lama Dari ketiga gambar memberikan besar nilai model stokastik yang berflukturasi seperti pada stasiun stasiun Braja Arjosari (1997) berflukturasi antara -11 mm sampai 11 mm. Pada stasiun Braja Indah dan stasiun Jepara Lama memiliki nilai model stokastik berflukturasi yang sama yaitu antara -5 mm sampai 5 mm. Nilai yang dihasilkan berflukturasi sama ini menunjukan adanya kemiripan pada spektrum yang berpengaruh pada model stokastik. 4.5. Model Periodik dan Stokastik Curah Hujan Harian Model periodik dan stokastik yang dihasilkan ini merupakan hasil dari penjumlahan model periodik dan stokastik. Perbandingan antara model periodik dan model stokastik dengan data curah hujan terukur dapat dilihat pada gambar berikut :

114



Gambar 13. Model Periodik Stokastik Curah Stasiun Braja Arjosari

Gambar 14. Model Periodik Stokastik Curah Hujan Stasiun Braja Indah

Gambar 15. Model Periodik Stokastik Curah Hujan Stasiun Jepara Lama


115


Dari Gambar 13, Gambar 14, dan Gambar 15 terlihat jelas hampir tidak ada selisih antara hasil penjumlahan model periodik dan model stokastik dengan data curah hujan harian terukur. Dari grafik model periodik stokastik menunjukkan hasil yang lebih baik bila dibandingkan dengan model periodik yang hanya menggunakan komponen periodik saja. 4.6. Koefisien Korelasi

Gambar 16. Koefisien korelasi model periodik stokastik curah hujan stasiun Braja Arjosari

Gambar 17. Koefisien korelasi model periodik stokastik curah hujan stasiun Braja Indah

Gambar 18. Koefisien korelasi model periodik stokastik curah hujan stasiun Jepara Lama

116



Dari Gambar 16, Gambar 17, dan Gambar 18 diperoleh besarnya nilai koefisien korelasi (R) model perodik stokastik dengan data terukur dari masing-masing stasiun. Braja Arjosari sebesar 0,9997, stasiun Braja Indah sebesar 0,99967, dan stasiun Jepara Lama sebesar 0,99952. Jadi nilai koefisien dari ketiga stasiun adalah 0,99963. Nilai koefisien korelasi periodik stokastik lebih baik jika dibandingkan dengan nilai koefisien korelasi dari model periodik dan model stokastik. Hal ini menunjukkan bahwa faktor periodik dan stokastik harus diperhitungkan dalam mencari data curah hujan harian sintetik. Dipenelitian sebelumnya oleh Zakaria (2010) pada stasiun Purajaya menggunakan 253 data hujan seri waktu diperoleh nilai koefisien model periodik stokastik sebesar 0,9989. Pada penelitian ini besar koefisien korelasi model periodik stokastiknya adalah 0,99988 menggunakan 512 data hujan seri waktu. Apabila dibandingkan antara ketiganya perbedaan yang ada sangat kecil, sehingga model periodik dan stokastik dapat digunakan pada wilayah lain yang mempunyai data curah hujan yang baik. 5. KESIMPULAN Berdasarkan uraian dan hasil pembahasan pada penelitian ini dapat disimpulkan bahwa menggunakan metode FFT (Fast Fourier Transform) ddan metode Autoregressive, dapat menghasilkan data curah hujan harian sintetik seri waktu yang hasilnya mendekati data curah hujan terukur. Spektrum curah hujan dari data curah hujan seri waktu digunakan sebagai masukan untuk menghasilkan program periodik stokastik curah hujan buatan untuk mensimulasikan data curah hujan sintetik. Dengan adanya komponen stokastik curah hujan, model curah hujan harian sintetik yang dihasilkan menjadi sangat akurat dengan koefisien korelasi rata-rata model periodik adalah 0,97305, koefisien korelasi model stokastik adalah 0,9915, dan koefisien korelasi model periodik stokastik adalah 0,99963. Nilai koefisien korelasi yang dihasilkan hampir mendekati 1, sehingga dapat disimpulkan bahwa metode FFT sangat akurat untuk menghasilkan curah hujan harian sintetik yang signifikan. DAFTAR PUSTAKA Bhakar, S.R., Singh, Raj Vir, Chhajed, Neeraj, and Bansal, Anil Kumar. 2006. “Stochstic modeling of monthly rainfall at kota region”, ARPN Journal of Engineering and Applied Sciences, vol. 1, no. 3, pp. 36 – 44. Cooley, James W. Tukey, John W. 1965. An Algorithm for the machine calculation of Complex Fourier Series. Mathematics of Computation. pp. 199-215. Kottegoda, N. T. 1980. Stochastic Water Resources Technology. The Macmillan Press Ltd., London, p. 384. Putra, M. Angga W. 2011. Analisis Periode Dominan Data Curah Hujan Harian di Kota Bandar Lampung. Bandar Lampung : Fakultas Teknik. Universitas Lampung. Rizalihadi, M. 2002. “The generation of synthetic sequences of monthly rainfall using autoregressive model”, Jurnal Teknik Sipil Universitas Syah Kuala, vol. 1, no. 2, pp. 64-68 Sosrodarsono S., Takeda K. 1985. Hidrologi untuk Pengairan. PT. Pradnya Paramita : Jakarta. Triatmodjo, Bambang. 2008. Hidrologi Terapan. Beta Offset : Yogyakarta. Walpole, Ronald E. 1993. Pengantar Statistika edisi ke-3. PT Gramedia Pustaka Utama : Jakarta. Zakaria, A. 2003. Numerical Modelling of wave Propagation using higher order finitedifference formulas, Thesis (Ph.D.), Curtin University of technology, Perth, W. A., Australia. Zakaria, A. 2008. The generation of synthetic sequences of monthly cumulative rainfall using FFT and least squares method, Prosiding Seminar Hasil Penelitian &


117


Pengabdian kepada masyarakat. Vol. 1: 1-15. Bandar Lampung: Universitas Lampung Zakaria, Ahmad. 2010. “ Studi pemodelan stokastik curah hujan harian dari data curah hujan stasiun Purajaya”, in Proc. Seminar Nasional Sain Mipa dan Aplikasinya, 8-9 December 2010, Lampung University, vol. 2, pp. 145 – 155.

118


Model Stokastik Curah Hujan Harian dari Beberapa Stasiun Curah Hujan di Way Jepara. Ahmad Zakaria 1) Margaretta Welly 1) Mirnanda Cambodia 2)

Recommend Documents